matplotlib画图_Docker运行matplotlib画图

Docker可以简单的理解为虚拟机，但更胜任微服务，如互联网IT服务。比如，当很多用户访问服务器请求服务时，用队列串行就太慢了。那么，如果想并行使用计算资源，怎么实现？

首先，Docker能将软件服务和依赖环境打包，如本例的脚本py文件运行需要的环境有python3.8，依赖包有numpy、matplotlib等。那么如果我打包成docker镜像后，那么我将镜像给你，你就可以直接运行，哪怕你的软件环境和我不同，比如你的python是3.6的。

第二，Docker对算力的使用也能实现细粒化，即从侧面实现算力调度、负载均衡。

宿主文件夹->虚拟文件夹：

/media/DATA1/dock_test -> /root/1

docker pull python:3.8docker run -it \-v /media/DATA1/dock_test:/root/1 python:3.8 bashpip install numpypip install matplotlib --upgrademkdir 2cp /root/1/gaussplot.py /root/2/gaussplot.pyexitdocker commit -a "leon" -m "plot test" 3628389e96e2 plot:v4

以上gaussplot.py放在宿主文件夹：

from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltfrom matplotlib import cmfrom matplotlib.ticker import LinearLocatorimport numpy as npfig, ax = plt.subplots(subplot_kw={"projection": "3d"})X = np.arange(-5, 5, 0.25)Y = np.arange(-5, 5, 0.25)X, Y = np.meshgrid(X, Y)Z = np.exp(-(X**2+Y**2)/2)surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,                       linewidth=0, antialiased=False)ax.set_zlim(-1.01, 1.01)ax.zaxis.set_major_locator(LinearLocator(10))plt.show(

那么镜像打包好了以后，运行docker文件时还需注意系统的图形显示输出问题：

在host机

$ sudo apt-get install x11-xserver-utils
$ xhost +

xhost+的作用是开放权限，允许所有用户，当然包括docker访问X11的显示接口。

$ docker run -it \
  -v /etc/localtime:/etc/localtime:ro \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=unix$DISPLAY \
  -e GDK_SCALE \
  -e GDK_DPI_SCALE \
 plottest:v4 python /root/2/gaussplot.py

原理就是docker镜像是虚拟的没配显示器的电脑，程序可以运行，但是没地方显示。而linux目前的主流图像界面服务X11支持客户端/服务端(Client/Server)的工作模式。只要在容器启动的时候，将『unix:端口』或『主机名:端口』共享给docker，docker就可以通过端口找到显示输出的地方，和linux系统共用显示。